想用A/B測試改善UI設計,30個例子分享給你!(24~30)

本篇為「30個使用A/B測試改善UI設計的例子」的第 4 篇,第 3 篇請點此連結

 

想用A/B測試改善UI設計,30個例子分享給你!(24~30)

想用A/B測試改善UI設計,30個例子分享給你!(24~30)

終於要把這30個改善UI 設計的例子學完啦!讀完這篇就大功告成!

 

範例24:嘗試銷售「好處」而不是功能

克里斯‧古利博(Chris Guillebeau)在《100美元創業》(The $100 Startup)一書中寫道,人們真的很在乎愛情、金錢和自由,也希望同時能減少壓力、衝突和麻煩。

人們在挑選產品時,考慮的點除了性能外,更在乎這個產品能如何帶給他們好處 -- 例如若能同時幫他省錢又省力就太好了。而這就是產品能帶給顧客的價值所在,也是他們會掏錢的關鍵。所以網頁的說明別只向顧客說明產品或服務內容,說明能為顧客帶來哪些好處吧!

範例25:謹慎設計「沒有符合的產品」的網頁

如何在網頁上呈現數據是一套學問,只是許多 UI 設計擅長表現 1000 個以上的數據,結果卻忽略了「零數據」的情況--當使用者想搜尋符合特定條件的商品未果時,跳出的「搜尋到 0 個商品」。或者另一個情況:當初使用者查看您的網頁時,在沒有任何引導的情況下操作,導致顯示 0 數據,這會有讓使用者感覺被忽略的風險。

此時,有 sense 的 UI 設計師會使用「網頁使用教學」或提示來取代冰冷的「搜尋到 0 個商品」頁面,讓使用者感受這個網頁是有人性的,營造暖心的 UX 使用者體驗!

推薦閱讀:改變 UI/UX 竟讓友情加溫、麵包烤更香!Netflix 紀錄片揭露設計師巧思

範例26:讓使用者能選擇「不參加」

傳統行銷策略上,會只有一個寫著「我想要…」的方框(check box)以供勾選,若不想參加則可以不勾選。某些粗魯的行銷手段甚至會預設設為勾選,常讓使用者一不留意就「被答應」了 。

更好的做法是將正反向的選擇各放一個方框,告訴使用者「你可以要也可以不要」,然後再替使用者默選其中一項。

因為此舉可以減緩當使用者不想參與時的牴觸感,亦可可讓使用者潛意識產生「所有人都照原樣進行,那我也這樣做吧」的想法,進而讓我們的目的更容易達到,還不會引使用者的反感。畢竟行銷道德也會影響使用者對品牌的評價。

 

範例27:保持一致性,避免使用者重新學習

世紀最有影響力之一的設計師唐.諾曼在《設計的心理學》中闡述,產品設計的最終目的,是為了讓產品符合使用者的預期。這個概念也是人因工程的核心概念之一,也就是「一致性」。維持「一致性」的產品易學易用、錯誤較少,可以減少心智工作的負荷,可以說是人人都期望中的產品。

而網頁的一致性同樣能幫助使用者容易學習,若破壞一致性原則,使用者就得重新學習一次。在介面上,一致性可藉由如顏色、形狀、大小、標記或語言等方式完成。

不過,當有需凸顯的內容時,依然可以使用「不一致」的元素吸引使用者注意。

 

範例28:善用「自動填入」以避免使用者重複操作

UX 使用者體驗與轉換率的角度來看,最糟糕的事莫過於一遍遍地詢問人們已經提供的資料。提供預設值或自動填入之前填過的資料,再讓使用者檢查正確性,都比每次要他們重新輸入來的好。

盡量減少使用者的操作流程並節省他們的時間,絕對是有益處的。

 

範例29:UI 設計應要保留大多數人都習慣的操作方式

同樣是基於「一致性」原理,維持常見的操作習慣也是很重要的。如果在整個 UI 介面上保持慣常的操作模式,使用者自然不會遇到太困難的阻礙。如圖例,人們已經習慣在介面右上角會有表示關閉的「X」圖示,就如呼吸般自然。

當然,新的操作模式也許可以帶來耳目一新的感覺,但在推翻傳統,必須謹慎思索改革的目的與成效。

 

範例30:「做了能避免⋯⋯」的行動呼籲內容比「做了能得到⋯⋯」更好

損失規避理論(Loss aversion)指出,當人們面對同樣數量的收益和損失時,會認為損失更令他們難以忍受。也就是說,人們當然喜歡獲得,但更討厭失去!

這個理論可以套用在產品設計和使用者溝通。例如若產品的目的是保護客戶現有的財富或安全等等,比起推銷客戶還未擁有的東西更能說服客戶購買。

在上圖的網站 UI 設計 A/B 測試中,左側的行動呼籲是「請這樣做,以免失去你的健康、財富或朋友」;右側的則是「請這樣做,就可以增加你的健康、財富或朋友」。左側的「恐嚇式描述」會讓人聯想到事情發生時(如失去財富等)的嚴重性,就按下「Do This」按鈕以先預防,因此比起右側的敘述更有「讓人不敢拒絕」的說服力。

 

 

 

 

精選延伸閱讀:

社交距離越來越重要~人工智慧聽到你的心聲拉!讓它來幫你把關!

人工智慧的導師之一是毛小孩?一起來看看AI如何向牠學習(上)

放心!就讓狗狗來當人工智慧的教練吧!(下)

特效不夠AI 來湊!迪士尼換臉技術達百萬畫素

Google Analytics「工作階段」定義與範例一次解析!

亞馬遜人工智慧出包 搞混國會議員與罪犯

人工智慧再突破!史上最強解馬賽克技術 64倍解析度還原成無碼

發表於 UI/UX新鮮事 | 已標籤 , , , , , , , , , , , , , | 發表迴響

想用A/B測試改善UI設計,30個例子分享給你!(17~23)

本篇為「30個使用A/B測試改善UI設計的例子」的第 3 篇,第  2  篇請點此連結

 

想用A/B測試改善UI設計,30個例子分享給你!(17~23)

想用A/B測試改善UI設計,30個例子分享給你!(17~23)

 

前面幾個改善UI設計的例子你寫筆記了嗎?加油,就快看到終點了!

範例17:顯示出項目的即時動態

UI 設計中,常會以不同方式表現出項目的不同狀態,例如:E-mail 上可標記出未讀或已讀、帳單明細會顯示已繳清或未繳的帳目等。而向使用者顯示項目所處的狀態是提供反饋的好方法。

即時動態可以幫助消費者確認是否已經操作過了、操作是否成功、以及接下來應該進行什麼動作

範例18:把引導型按鈕的敘述改寫為「能帶給用戶哪些好處」

想像一下若是眼前的網頁上有兩個按鈕,其中一個標示「能替你省下一大筆錢!」,另一個寫著 「點這裡註冊」,肯定大部分使用者都會被前者吸引。

前者就是所謂「能帶來好處的按鈕」,能替使用者產生價值;而後者則是「任務導向的按鈕」,代表使用者耗費時間跟精力。而「能帶給使用者好處」的按鈕自然有較高的轉換率。

範例19:直接操作比多階層下拉式選單更直覺

直接處理畫面上的資訊,有時會比使用整合工具列還直覺,如多階層下拉式選單(context of button)雖然十分常見,但過多的階層可能會增加操作的步驟,所以下次在煩惱UI 設計該如何處理時,不妨考慮減少階層或直接操作的方法。

範例20:若當下就可以操作,就不要再多開分頁!

當我們希望使用者做有價值的動作,如:留下聯絡方式、基本資料等,最好把填寫用的欄位或表單放置本頁上。若能與頁面整合在同一層,會比讓使用者連結到別頁輸入資料來的好。

精簡流程、讓使用者花最少的時間就能了解頁面資訊,並將簡單易懂的表單放置於該頁面上。除了方便性,也可藉此讓使用者預估填寫所需的時間,會更加增加使用者填寫的意願。

範例21:以過渡形式表現操作導致的 UI 介面改動

當使用者在與 UI 介面互動時,UI 設計成能藉由隱藏、顯示、移動或調整大小等變化來回應使用者的行為,也能協助使用者理解介面的使用方式

其實在變化過程中增加一些動態變化,也能達到尊重使用者的效果:故意延遲、以過渡形式表現尺寸或位置的變化,能讓使用者有更多時間、更有餘裕地去理解網頁的變動。

但需要注意的是,動態效果的時間最好在0.5秒以下,過長就可能引起使用者的不悅——特別是想要快速完成流程的使用者。

範例22:讓先使用者漸進式參與,而不是先要求註冊

比起劈頭就要訪客馬上註冊,不如先讓訪客們有機會體驗產品,或至少讓訪客先觀看使用案例、過往客戶回饋或是介紹影片!在訪客還在建立第一印象時彰顯出產品的功效,亦可以表現出與他牌的不同。

一旦使用者看到您產品的價值、並體會到能帶來的價值,他們會更樂意接受您之後分享的其他訊息。「漸進式參與」即是一種盡可能推遲註冊過程,但依方面卻能增添使用者主動註冊動機的方法。

 

範例23:嘗試減少線框,不要浪費精力在分割框架

使用者的耐心與時間都有限,所以網頁如何爭分奪秒地抓住他們的注意力就十分重要。常見的設計會利用線框(border)來強調劃分不同內容,但也正是因為線條的明顯具體,反而導致使用者耗費更多專注力,因為線框區分出的區塊(box)若過多或安排不當,會讓人感覺雜亂不齊。

解決方法如:在設計之前就定義好內容與視覺之間的關係(例如色彩設計)、減少不必要的區塊、對齊不同的背景色,才能有效地減輕使用者的閱讀難度。

 

 

本篇為「30個使用A/B測試改善UI設計的例子」的第 3 篇,第 4 篇請點此連結

 

 

精選延伸閱讀:

驚!人工智慧竟然出了與疫情相關的自創曲??

體壇上的人工智慧已經能組隊打職棒了?真假的?(下)

AI人工智慧原來也會被愚弄?還好這公司阻止一切!(上)

特效不夠AI 來湊!迪士尼換臉技術達百萬畫素

Google Analytics「工作階段」定義與範例一次解析!

亞馬遜人工智慧出包 搞混國會議員與罪犯

人工智慧再突破!史上最強解馬賽克技術 64倍解析度還原成無碼

發表於 UI/UX新鮮事 | 已標籤 , , , , , , , , , | 發表迴響

想用A/B測試改善UI設計,30個例子分享給你!(9~16)

本篇為「30個使用A/B測試改善UI設計的例子」的第 2 篇,第 1 篇請點此連結

 

想用A/B測試改善UI設計,30個例子分享給你!(9~16)

想用A/B測試改善UI設計,30個例子分享給你!(9~16)

讓我們繼續學習如何靠著A/B測試來改善UI設計!!

範例9:清楚描述 TA (目標客群),而不是宣稱「適合所有人」

網站是瞄準特定族群還是面向普羅大眾?即使鎖定客群的策略有風險,讓網站在短期內失去一些潛在客戶,但誠實與公開透明才是與消費者信任的基礎。

網站清楚描述產品或服務的目標族群畫面,可以讓網站吸引到相似特質的使用者,同時透露出的「排他性」會讓使用者感到自己是被重視的,並建立出親近感。

 

範例10:不會有人被優柔寡斷吸引,多使用肯定語氣吧!

當你收到一封語句充滿「也許、可能、說不定」的信件,以及收到一封肯定且充滿信心語句的信件,哪個寄件人會讓你覺得比較能信任?相信大部分的人都會認為答案明確的信能讓人安心吧!

優柔寡斷會降低信任感,如果網頁上常使用問句或不確定性的字詞,例如:有興趣嗎?想購買嗎?會讓消費者覺得你對產品或服務信心不足,這時候可以使用更具權威性、專業性的語句,像是如何帶給顧客良好的產品或最佳的 UX 使用者體驗。

 

範例11:善用色彩對比度來凸顯號召性用語

醒目的行動呼籲性(CTA,Call-to-action)可以使你的 UI 介面更加強大。有多種方式能輕鬆提高 CTA:如透過深淺色調、陰影、漸層或對比色的手法來增加畫面上的對比性,提升被使用者注意到的機會。

 

範例12:標示出產品的原產地

為產品添加名稱、圖片與原產地標示都能展現出UI 設計中獨特性的方法。特別是提到國家、地區或城市,因為這正如人們自我介紹來自哪裡一樣,是一個非常人性化的交流方式,也會顯得更加友善。

另外,說明原產地故事也能讓產品與產地名聲達到雙贏。

 

範例13:別讓使用者填太長的表單

人類天生就牴觸勞動密集的行為,這個理論同樣適用於讓顧客填寫表單,每多一個表格就增加使訪客轉身放棄的風險!並不是每個人都能飛快地打字,更別說在移動裝置上打字仍然不輕鬆。檢視是否每個表格都有必要回答,並盡可能減少表格數量。

如果必填欄位真的為數眾多,可以嘗試讓最重要的資訊先讓使用者填寫完,提交後再出現一個單獨的頁面,請使用者繼續填寫第二重要的資訊。

範例14:別隱藏頁面上的選項,大方展現吧!

下拉式選單的優點在於可以增加頁面的空間,若是要選擇可預期、已熟悉或高度重複操作的項目(如:生日、日期或地區)那使用下拉式選單是個不錯的策略。

但對於使用者來說,下拉式選單隱藏了一組他們要努力去發現的選項。這些選項若是跟產品有關,而且是交易流程中必經的,那你可以考慮不要隱藏這些選項,這樣可以提升網頁著轉換率

範例15:別讓使用者覺得已經「滑到最底了」

長型的一頁式網站是趨勢,但若是 UI 設計不良、看到一半就讓使用者誤以為「已經滑到最底了」,這可是會大幅扼殺轉換率的。

UI 設計師可以建立一種固定的視覺模式或節奏,例如圖標或是小動畫,來引導使用者「網頁還沒看完,下面還有內容」。設計時也需注意欄位之間留白區域的尺寸:過大的空隙會讓人誤以為已經沒有內容了。

 

範例16:保持焦點,不要用連結淹沒使用者

為了滿足使用者可能的所有需求,有的網頁會在上下左右都貼上「連結」,但其實每多安插一個的連結(例如:「按這裡以了解更多」),就會增添讓使用者分心的風險,讓他們沒辦法滑到最後、看到你的 CTA(行動呼籲)。

附上連結不是錯誤,只是數量與位置都要妥善規劃。減少多餘的連結,可增加讓使用者注意到頁尾 CTA(行動呼籲)的機會。

 

 

 

本篇為「30個使用A/B測試改善UI設計的例子」的第 2 篇,第 3 篇請點此連結

 

 

精選延伸閱讀:

你以為體壇上的人工智慧只能應援棒球賽?那你就錯了!(上)

人工智慧結合汽車雷達偵測,駕駛盲區一覽無遺,安全多啦!

社交距離越來越重要~人工智慧聽到你的心聲拉!讓它來幫你把關!

特效不夠AI 來湊!迪士尼換臉技術達百萬畫素

Google Analytics「工作階段」定義與範例一次解析!

亞馬遜人工智慧出包 搞混國會議員與罪犯

人工智慧再突破!史上最強解馬賽克技術 64倍解析度還原成無碼

發表於 UI/UX新鮮事 | 已標籤 , , , , , , , , , , , , , | 發表迴響

想用A/B測試改善UI設計,30個例子分享給你!(1~8)

想用A/B測試改善UI設計,30個例子分享給你!(1~8)

想用A/B測試改善UI設計,30個例子分享給你!(1~8)

 

 

要如何將A/B測試套用在UI設計裡?直接用30個例子讓你熟悉!

 

 

UI 設計的知識網站「GoodUI.org」整理分享了許多已經 A/B 測試的 UI 設計,先幫忙把常見的網頁排版都測完,幫助 UI 設計師/網頁設計師們省下許多功夫!

 

什麼是A/B測試?

A/B 測試(A/B Test)運用了統計學的原理,顧名思義就是眼前有「A 版」與「B 版」兩種方法,為了測試哪種方法能獲得更好的市場反應,將 2 種版本同時上線,將消費者導入 A 或 B 版網頁做測試。

A/B 測試的優點在於可以得到實際的數據,而非依靠主觀意見來決定網站的架構與UI 設計,也能不落傳統思維的俗套。只是各個版本需運行一段時間,待累積足夠的數據,才能確保測試的準確性,也需耗費不少成本。

 

範例1:嘗試使用單欄排版取代多欄

多欄式排版的 UI 設計有分散頁面焦點的風險,而單欄式排版可以更好地安排內文敘述,同時從上而到下引導讀者的視覺動線也更加直覺,也能避免於閱覽者分心。最後可以安排醒目、富有號召力的內容做結尾。

 

範例2:在行動呼籲前先給予誘因

UI 排版上,先給予像是「送禮」等誘因,是一種基於互惠原則的有效說服策略,同時也是能優化 UX 使用者體驗、改變顧客想法的最簡單方式。即使聽起來似乎很理所當然,但嘗試表現出友善的態度,如一封感謝信、小紀念品等,也能讓網站受眾的 UX 體驗更佳。這個微小的 UI 調整,也許會在未來帶來出乎意料的好處。

 

範例3:嘗試合併類似功能的欄位,避免版面破碎化

 

 

範例4:讓社群證明價值,不要自吹自擂

社群的廣泛好評對於提高轉化率是很好的說服策略,當客戶看到其他用戶支持並討論您的產品服務,會增進他們想深入了解的動機。

嘗試蒐集過往客戶的推薦文、滿意度證明或各種可以佐證的數據證明,並放在網頁上吧!

 

範例5:不要害怕重複顯示引導指示,只要放在不同位置就好

在跨度大或多分頁的網站中,重複出現讓使用者點擊的行動呼籲是可行的,但當然不是指讓「購買」等按鈕在同一畫面重複顯示10次,這麼做肯定會惹惱使用者……。

重點在於合理規劃欄位分配,因長長的一頁式網頁已相當能被大眾接受,不需像過去一樣,把所有網頁元素都壓縮在一個螢幕大小。所以在一頁式網頁的最上方設置一個適中的點擊按鈕、最下方放置一個醒目的點擊按鈕,也是符合UX使用者體驗的原則。

根據 A/B 測試出來的使用者習慣,當使用者「滑」網頁到最底時,看到可點擊的按鍵,他們會停下來思考接下來要做什麼 —— 例如點下那個「購買」鍵。

 

範例6:讓「可點擊」和「可選擇」的外觀有差異

為了清楚的引導訪客使用網站介面,UI 設計師要明顯區分出「可點擊」(如連結或按鍵)、「可選擇」(如選單)和純文字的樣式,不只在設計上要有所區別,同時上方描述文字也必須簡潔清楚。可以利用視覺元素,例如:顏色、深淺和對比度等,來達到又美觀又可以區分的效用。

例如以圖例來看,設計師選擇「藍色」做為網站上可點擊按鍵的色調,而選擇「黑色」為當前所在頁面的名稱。簡明扼要的顏色應用就能達到不言而喻的效果。最重要的是:千萬別使用過多的顏色混淆使用者。

推薦閱讀:為落實“數位優先”的UI設計…Audi,福斯竟將LOGO壓扁了!

範例7:突顯最推薦的項目,避免讓所有項目都看起來相同

有心理學研究表示,當人們眼前的選擇越多,反而會陷入一種「分析癱瘓」的狀態,導致從選擇中挑選的機率越低。

UI 設計師為了避免這個困境,比起單純陳列所有的項目,強調突出最主要的商品或服務是更好的做法。

推薦閱讀:UI設計師的配色攻略:5個黑色的設計意義/用法

範例8:讓使用者主動選擇「復原」,而不是重複詢問意圖

想像一下,當按下按鍵或連結,網頁可能會出現兩種提示:第一種是在介面底部出現「復原」(undo)鍵,讓你回復至上一步;另一種則是跳出視窗要你「確認即將要進行的操作,確認後無法復原」。這兩者會帶給消費者什麼不同的使用者體驗 (UX)?

跳出視窗要你「確認自己在做什麼」會讓使用者覺得備受質疑,而「復原」提供使用者就算操作錯誤也可以回復到上一步的功能,則會讓人感到友善、包容與尊重。

另外,若使用者需重複的進行某項操作,網頁不斷跳出提示視窗,也讓使用者感到操作效率低下,產生不佳的 UX 體驗。

 

 

本篇為「30個使用A/B測試改善UI設計的例子」的第 1 篇,第 2 篇請點此連結

 

 

 

精選延伸閱讀:

人的忠實好友果然不是蓋的!連人工智慧還要向牠取經呢!(下)

人工智慧還能釀酒,你沒聽錯,且一點也不輸人類呢!(上)

“拜託!不要靠我太近!”社交距離人工智慧幫你把關!

特效不夠AI 來湊!迪士尼換臉技術達百萬畫素

Google Analytics「工作階段」定義與範例一次解析!

亞馬遜人工智慧出包 搞混國會議員與罪犯

人工智慧再突破!史上最強解馬賽克技術 64倍解析度還原成無碼

發表於 UI/UX新鮮事 | 已標籤 , , , , , , , , , , , | 發表迴響

SEO課程中不可或缺的內容-GA的工作階段,今天教給你!(下)

SEO課程中不可或缺的內容-GA的工作階段,今天教給你!(下)

SEO課程中不可或缺的內容-GA的工作階段,今天教給你!(下)

讀完上篇的SEO 課程其中內容,你應該能理解GA的工作階段有多重要了吧~

使用者因來源變更而結束工作階段

大部分的SEO教學中,應該會都提醒你,當每次使用者的廣告活動來源變更時,Google Analytics 就會開啟新的工作階段。就算是廣告活動來源在現有工作階段仍為「開啟」狀態時 (意即經過的時間不到 30 分鐘) 半途變更,系統一樣會關閉原工作階段並開啟新的工作階段。

▲ 然訪客「未」關掉完成交易的頁面,但是又透過另一個來源(廣告活動)開啟同一個網站,因此新的工作階段啟動。(圖片來源:達內教育 SEO 課程

 

 

承上述訪客 A 的例子,我們知道,最初他是藉由自然搜尋關鍵字「SEO 課程」進入網站的。而現在時間是 13:01,現有的工作階段「Session#2」到期時間為 13:31。在 13:23 時,A又開啟了新視窗,在新視窗內搜尋關鍵字「網路行銷課程」並且在搜尋結果上看到你網站的關鍵字廣告連結。13:24 時,A 由此廣告連結點進你的網站。

雖然此時,現有的工作階段「Session#2」 仍為開啟狀態,且時間還沒滿 30 分鐘,但是因為 A 的行為等同是開啟了新的廣告活動來源,來源從「Google/自然搜尋」變更為「Google/付費搜尋」,所以 GA 系統一樣會關閉原工作階段「Session#2」,並開啟新的工作階段「Session#3」。「Session#3」由 13:24 開始計時,13:54 到期。

A 進行了 5 分鐘的網頁瀏覽互動後,又收到了友人的 Facebook 連結分享,點了連結赫然發現又再度連結進你的網站內!訪客 A 的來源將會從「Google/付費搜尋」變更為「Facebook」,並且重新計算為一個新的工作階段「Session#4」。

由此類推,假如 A 個動作在頻繁一點,就算是再短短的 5 分鐘內從 3 個不同來源一直連到你的網站,她就會在這 5 分鐘內造成 3 個工作階段。

註:直接來源 (direct traffic) 並不會更新工作階段的計算,也不會開啟一個新的廣告活動。

 

根據晚上 11 點 59 分結束工作階段

GA 預設於晚上的 11:59:59 秒工作階段將會逾時,並開始計算新的工作階段。若上例的 A 於晚上 11 點 59 分在網站內進行 3 分鐘的瀏覽行為,將會被計算為兩個工作階段。

那麼,SEO 能從工作階段看出什麼?

只要訪客一造訪網頁,則會開啟工作階段。只要訪客在 30 分鐘內跟此網頁有任何的互動,Google Analytics 都會從 0 秒開始從新計算 30 分鐘。除非他真的把網頁閒置在那邊超過 30 分鐘都沒有進行互動,否則會一直被計算為同一個工作階段。

工作階段可反應出訪客大略的回訪率。假設我網站今天的造訪人數只有 70,但工作階段卻有203 個,就代表平均每個人都回訪了 2 次至 3 次。

如何更改工作階段的設置

 

▲ Google Analytics 工作階段預設為30分鐘逾時,但透過此圖所示的步驟,SEO可以更改逾時時間(圖片來源:達內教育 SEO 課程

 

位置:GA 左側點選「管理」,然後點擊「資源」下方的「追蹤資訊」打開選單,即可看到「工作階段設定」的選項(如上圖所示)。

從這裡可以更改工作階段逾時的時間設定,至於如何決定工作階段逾時時間,則要根據你的平均工作階段時間長度而定。例如訪客在你的網站平均瀏覽時間為 3-7 分鐘,那你可以將逾時時間設定為 7 分鐘。

 

本篇為下篇,上篇請點此連結

 

精選延伸閱讀:

接觸SEO課程,怎能不知道GA的工作階段如何定義?(上)

人工智慧還能釀酒,你沒聽錯,且一點也不輸人類呢!(上)

社交距離越來越重要~人工智慧聽到你的心聲拉!讓它來幫你把關!

線上職訓正夯 從零開始花半年錄取軟體工程師

所有的新創業者都需要 SEO 的 7 個理由!

阿嬤也能coding了?2020人工智慧想對我們做什麼?

人工智慧,機器人,Python,大數據到底有什麼關係?

發表於 網路行銷 | 已標籤 , , , , , , | 發表迴響

SEO課程中不可或缺的內容-GA的工作階段,今天教給你!(上)

SEO課程中不可或缺的內容-GA的工作階段,今天教給你!(上)

SEO課程中不可或缺的內容-GA的工作階段,今天教給你!(上)

GA的工作階段在SEO 課程中到底有多重要?這次分成上下兩篇讓你一目了然!

工作階段-GA (Google Analytics) 如何定義網頁?

相信上過 SEO 課程 的人都知道,對於 SEO 來說,GA (Google Analytics) 的「工作階段」可是非常重要的指標。因為 SEO 總是要了解究竟有多少訪客來到自己的網站、產生多少互動行為,而「工作階段」就是能真實反應訪客造訪你網站後「如何互動」的指標,比不重複瀏覽、新使用者等指標更容易反應「訪客如何使用你的網站」。

 

GA (Google Analytics) 如何定義網頁「工作階段」?

簡單來說,當只要有訪客開始瀏覽網頁時,即是開啟了一個工作階段。

一個工作階段包含了各式各樣的使用者互動:如網頁瀏覽、任何事件的觸發、社交互動、線上交易等。

一個工作階段可以比喻成一個容器,容器內裝了各式各樣東西。每一樣東西,都代表使用者與網站的各種互動行為。

 

▲ 一個工作階段可以比喻成一個容器,容器內裝了各式各樣東西。每一樣東西,都代表使用者與網站的各種互動行為。(圖片來源:達內教育 SEO教學

 

 

一個使用者可以開啟多個工作階段,多個工作階段可於一天內或是好幾天中發生。一個工作階段結束後,新的工作階段就會被開啟。結束一個工作階段的時間如下:

根據時間決定何時結束一個工作階段:

1. 閒置(使用者網頁開者但是不跟網頁有任何互動)30 分鐘後

2. 當天晚上 11 點 59 分 59 秒

根據來源變更而決定何時結束一個工作階段:

1. 使用者透過某廣告/活動連到網站,離開之後又經由另一個廣告活動造訪該網站。

 

根據閒置時間結束工作階段

根據預設,一個工作階段會在閒置 30 分鐘後結束 (不過我們可以調整時間的長度,結尾會介紹如何調整)。若這 30 分鐘內,當你進行任何的網頁互動,Google Analytics 都會將此工作階段重新計算,也就是離逾時的時間再加 30 分鐘。

範例

假設你今天有一個販售網路行銷課程教材的網站,訪客 A 在 Google 搜尋頁面搜尋「SEO 課程書」,在搜尋結果上看到你的網站並點進你的網站,Google Analytics 就會開始計時,即開啟了一個工作階段「Session#1」。此時正是中午 12:00。假如 A 開啟網頁之後不久便開始午休(但是未關閉網頁),因此他與網站沒有任何互動,如此過了 30 分鐘(12:30)後,此工作階段「Session#1」就會結束,並於 12:31 時開啟一個新的工作階段「Session#2」。Session#2 預計將於 13:01 到期。

12:40 後,A 午休結束,開始與網站上的元素互動 (例如完成事件、進行社交互動或開啟新網頁)。每次互動發生時,Analytics (分析) 都會重設此工作階段的到期時間 (從互動發生時間開始往後推 30 分鐘)。

例如,12:41 時 A 點了該網頁的「產品頁面」連結,即開啟一個新的互動,導致該網頁的工作階段新設定一個 30 分鐘的期限。因此本來預計將於 13:01 到期的 Session#2,延至 13:11(12:41+0:30 = 13:11)到期。

12:55 時,A在頁面上看到了一款不錯的 SEO 教學書籍,並加入了購物車,又觸發了新的互動事件。由此類推,Session#2 到期的時間又延至 12:55+0:30 = 13:25 到期。13:01 時,A 完成交易,Session#2 到期的時間又從 13:25 延至 13:31。

 

▲ 此範例的整個過程,可簡化成此流程圖。第一個工作階段因為閒置時間超過 30 分鐘,超過 30 分鐘就到了第二個工作階段。第二個工作階段中包含了四個互動,每一次的互動都會將工作階段延後 30 分鐘。(圖片來源:達內教育 SEO課程

 

使用者因來源變更而結束工作階段

每次使用者的廣告活動來源變更時,Google Analytics 就會開啟新的工作階段。就算是廣告活動來源在現有工作階段仍為「開啟」狀態時 (意即經過的時間不到 30 分鐘) 半途變更,系統一樣會關閉原工作階段並開啟新的工作階段。

 

▲ 然訪客「未」關掉完成交易的頁面,但是又透過另一個來源(廣告活動)開啟同一個網站,因此新的工作階段啟動。(圖片來源:達內教育 SEO課程

 

 

 

 

 

本篇為上篇,下篇請點此連結

 

 

精選延伸閱讀:

接觸SEO課程,怎能不知道GA的工作階段如何定義?(下)

AI人工智慧原來也會被愚弄?還好這公司阻止一切!(上)

特效不夠讓人工智慧來承受!這迪士尼的換臉技術也太威猛!(上)

線上職訓正夯 從零開始花半年錄取軟體工程師

所有的新創業者都需要 SEO 的 7 個理由!

阿嬤也能coding了?2020人工智慧想對我們做什麼?

人工智慧,機器人,Python,大數據到底有什麼關係?

發表於 網路行銷 | 已標籤 , , , , , , | 發表迴響

換臉人工智慧目前進程如何?迪士尼的技術到底多厲害?(下)

換臉人工智慧目前進程如何?迪士尼的技術到底多厲害?(下)

換臉人工智慧目前進程如何?迪士尼的技術到底多厲害?(下)

 

換臉人工智慧也不是完美的,但確實有望在未來可以將演員的經典畫面重現,是不是超令人期待!

首個百萬畫素換臉方法

研究團隊提出了一個漸進式訓練的梳狀模型(comb model),並配合編碼器進行模型訓練。

 

▲ Disney Research 公開之換臉過程示意圖。(圖片擷取自 Disney Research)

 

 

步驟 1:對原始圖像 xt 進行臉部檢測辨識,並提取關鍵點。

步驟 2:將人臉分辨率歸一化(即標準化剪裁)為 1024×1024 像素,並保存歸一化參數

步驟 3:將步驟 1、2 預處理好的圖像輸入編碼器中,用相應的解碼器解碼。

步驟 4:使用步驟 2 保存的歸一化參數,在圖像「x˜_s」上反轉圖像歸一化結果,將生成的圖像與原始圖像 xt 進行多頻帶混合,得到人臉交換的成果圖像。

而畫素方面,研究團隊表示他們曾使用開源 deepfake 模型 DeepFakeLab,但成果影像的分辨率最高只到 256×256 像素。而研究團隊所採用的漸進式、對原始圖像進行預訓練的方法可從中提取出較高解析度圖像。下圖可看出經過訓練模型,輸出的人臉畫素與效果都優於未經訓練的結果。

 

▲圖爲迪士尼與 DeepFakes、DeepFaceLab 和 Nirkin 等換臉方法的效果對比。(圖片擷取自 Disney Research)

 

迪士尼換臉 AI 有待突破的缺點

儘管研究團隊證明在細節、解析度以及自然度上,迪士尼 AI 人工智慧 都優於其他換臉模型,但團隊也承認他們的技術存在明顯的侷限性。

如「有戴眼鏡的臉」無法穩定進行人臉交換,問題不在於眼鏡部分無法渲染,而是無法恰當捕捉到表情和姿勢。研究人員曾嘗試調整輸入源,但依然無法穩定掌握產出品質。還有,雖然人臉正面直視鏡頭的圖像換臉效果良好,但俯視、仰視或側面等人臉角度與特殊光源下的換臉,可能會導致不完善的生成結果,如模糊和僞影。

▲ 換臉生成失敗示意圖。(圖片擷取自 Disney Research)

 

不過研究人員補充道,這類問題實際應用於電影場景中影響不大,除了此人工智慧,亦可以經由其他方式解決。

未來當這項 AI 人工智慧 技術更加成熟,得以廣泛應用後,影視作品能有更逼真自然、栩栩如生的特效,對觀眾來說也是一大福音啊!

 

本篇為下篇,上篇請點此連結

 

精選延伸閱讀:

換臉人工智慧目前進程如何?迪士尼的技術到底多厲害?(上)

人工智慧機器狗,讓你享受跟養真狗一樣的感覺?(上)

驚!人工智慧竟然出了與疫情相關的自創曲??

線上職訓正夯 從零開始花半年錄取軟體工程師

所有的新創業者都需要 SEO 的 7 個理由!

阿嬤也能coding了?2020人工智慧想對我們做什麼?

人工智慧,機器人,Python,大數據到底有什麼關係?

發表於 科技與人工智慧新知 | 已標籤 , , , , , | 發表迴響

換臉人工智慧目前進程如何?迪士尼的技術到底多厲害?(上)

換臉人工智慧目前進程如何?迪士尼的技術到底多厲害?(上)

換臉人工智慧目前進程如何?迪士尼的技術到底多厲害?(上)

迪士尼的換臉人工智慧簡直走在科技尖端!現在告訴你它有多強大~

迪士尼近日發表其研究最新「換臉」技術,不但能透過 AI 人工智慧 自動替換照片或影片內的人臉,成像更是突破百萬畫素,研究人員並表示其技術是當前業內最高水準。

雖然目前還無法廣泛應用在電影製作中,但依然是換臉領域的又一突破,並且也逐步規劃登場好萊塢。

迪士尼於自家網頁「迪士尼研究中心 」(Disney Research)上發表一篇文章,公開了與蘇黎世聯邦理工學院(ETH Zurich)研究團隊共同研究的人臉替換技術,能透過神經網絡自動轉換包含影片、照片等圖像中的人臉面孔,解析度可達百萬畫素。

迪士尼「親上火線」研發換臉技術,自然是希望能應用在影視製作上,為觀眾帶來更逼真的畫面、更真實的視覺特效與節省後製成本。

那有望衝擊影視產業、發揮巨大效用的迪士尼換臉 AI 人工智慧 ,實際效果究竟如何呢?

 

人眼看不出區別 AI 人工智慧 換臉將粉墨登場大螢幕

▲Disney Research 所釋出的官方影片,實際演示 AI 人工智慧 換臉的真實效果。

迪士尼研究中心除了於網站上公開一篇達 16 頁研究報告,亦上傳一支演示影片。

影片可以看到,AI 人工智慧 將下排二位演員的唇部、眼部等局部人臉進行分析,並融合在「目標演員」的面孔上。

從動態影像可以看出融合後的臉部動作非常自然,甚至 AI 人工智慧 能即時隨著口部開閉動作融合,也不會讓觀眾感到違和或不適。研究團隊也強調,比起當前常見的靜態圖像換臉,其技術在動態影像的表現更佳。

▲ 迪士尼的換臉 AI 人工智慧 不只能換臉換得天衣無縫,甚至還有其他換臉 AI 人工智慧 沒有的高解析度。(圖片擷取自 Disney Research)

 

 

並且「擅於局部融合」與「高畫質解析度」這兩項特點搭配十分相得益彰,使得迪士尼的換臉 AI 人工智慧 能極大地擴展了人臉替換在電影中的實際應用。

未來有望能省去繁複的後期製作工作,交給 AI 輕鬆完成。諸如交換替身演員的臉孔、為年齡逐漸增長角色增添皺紋或是重現昔日巨星風采,迪士尼就曾在 2016 年的電影《星際大戰外傳:俠盜一號》(Rogue One: A Star Wars Story)中用特殊技術,讓飾演「塔金總督」的已故演員彼得.庫辛及飾演「莉亞公主」的嘉莉.費雪重返大螢幕。

▲ 迪士尼的換臉 AI 使用的漸進式演算法(Progressive TrAIning),可明顯看到經訓練的人臉畫素遠高於未經訓練的結果。(圖片擷取自 Disney Research)

 

雖然《俠盜一號》的換臉效果令人驚艷,但迪士尼研究人員指出由於技術尚未成熟,不但成本高昂,而且需耗費數個月的時間才能獲得幾秒鐘的成功換臉畫面。而這次研發的新技術,建構好原始模型後搭配上適宜的運算能力,AI 人工智慧 就能在數小時內製作出換臉的動態影像。

除了生動自然,更重要的是換臉後輸出的成果圖像有百萬級畫素的解析度,而局部臉孔交換在動態影片能清晰的呈現,對電影後製的重要性不言而喻。

過去換臉技術因著重在臉部替換的平滑化,對提高畫素則沒有太多重視,導致解析度過低成為過去換臉技術的硬傷,才會出現如「在手機上效果絕佳的換臉影片,投放在更大的屏幕上呈現,卻看到明顯的顆粒與其他瑕疵」的狀況。

那迪士尼研究人員是怎麼實現「百萬畫素換臉 AI 人工智慧」的呢?

 

本篇為上篇,下篇請點此連結

 

 

精選延伸閱讀:

換臉人工智慧目前進程如何?迪士尼的技術到底多厲害?(下)

人的忠實好友果然不是蓋的!連人工智慧還要向牠取經呢!(下)

視障者也能重見光明!讓Google人工智慧眼鏡來幫助你!(上)

線上職訓正夯 從零開始花半年錄取軟體工程師

所有的新創業者都需要 SEO 的 7 個理由!

阿嬤也能coding了?2020人工智慧想對我們做什麼?

人工智慧,機器人,Python,大數據到底有什麼關係?

發表於 科技與人工智慧新知 | 已標籤 , , , , , | 發表迴響

尷尬了!人工智慧臉部辨識竟無法正確分辨有色人種!(下)

尷尬了!人工智慧臉部辨識竟無法正確分辨有色人種!(下)

尷尬了!人工智慧臉部辨識竟無法正確分辨有色人種!(下)

 

這篇告訴你人類編輯到底會不會因為人工智慧編輯而失業!

 

人工智慧臉部辨識 不易分辨有色人種

▲ 被亞馬遜「Rekognition」 臉部辨識系統錯認的 28 位國會議員

 

其實人工智慧在辨識有色人種時,似乎常常犯錯。

如 2018 年,美國公民自由聯盟(American Civil Liberties Union,ACLU)就對亞馬遜提供的「Rekognition」 付費臉部辨識服務做了一項測試。

ACLU 蒐集了 25000 張嫌犯照片做為臉部辨識的資料庫,並使用預設的設定,讓 Rekognition 逐張比對國會議員和資料庫裡的嫌犯照片。結果,最後有 28 名國會議員被誤判,且在誤判的議員中,竟有高達 40% 的議員是有色人種 ── 即便有色人種在全部的國會議員中只占了兩成。

▲眾議員 Sanford Bishop(D-Ga.)被 Amazon Rekognition 臉部辨識系統錯認為罪犯

 

然而,「Rekognition」 臉部辨識系統也被美國警方使用。這是否會在不知不覺中侵犯到有色人種的權益?目前亞馬遜已因此問題,暫停提供這套系統給美國政府使用。

現有的臉部辨識技術,在分辨有色人種特別容易出錯,也許是以下原因導致:

AI資料庫的白人照片比較多

美國喬治城大學法律中心(Georgetown Law School Center)的隱私與科技領域資深助理 Clare Garvie 表示,原因可能是出在工程師建立 AI 人工智慧的臉部辨識資料庫時,提供的白人照片比有色人種多而導致。

開發工程師以白人居多

一個研究顯示:人們在辨識另一種族的人員時,準確度會低於辨識與自己相同種族的成員。 而大部分 IT 產業的工程師以白人男性居多,他們開發出的臉部辨識系統在辨識有色人種的準確度時,無形中也比白人還差 ── 即使他們無意為之。

其時除了臉部辨識的問題,使用人工智慧來取代真人撰寫、改編新聞,本來就爭議連連:

過去英國《衛報》曾將一則關於英國脫歐的新聞中,第一段中的一些句子餵給人工智慧,結果 AI 馬上產生「可信度高」的假新聞與文章 ── 文中的人名 (如政壇人物的名字)、地名與所提到的片段事件皆為真實存在,不過新聞的內容卻是將這些真實的元素移花接木而成,但是卻符合邏輯,因此易被有心人士用來製造假新聞。(詳細報導:AI寫作能力強過人類,恐成為假新聞製造機?)

人工智慧太會捏造新聞,甚至有人懷疑之前馬斯克離開自己創立的 AI 人工智慧研究團隊「OpenAI」與此有關呢!(詳細報導:馬斯克宣布離開 OpenAI 的真正原因是…研發的 AI 太會寫假新聞?)

無論如何,人工智慧畢竟沒有靈魂,因此沒有明辨是非的能力,所以它產出的文章多少都會與現實有些出入。

也就是說,最好的方法還是把人工智慧新聞的編輯、審稿工作交還給人類,畢竟這世界八卦與謊言已經夠多了!我們需要真實的東西呀!

 

精選延伸閱讀:

尷尬了!人工智慧臉部辨識竟無法正確分辨有色人種!(上)

人工智慧的導師之一是毛小孩?一起來看看AI如何向牠學習(下)

讓我來當你的眼!Google人工智慧讓視障朋友看見世界!-下

線上職訓正夯 從零開始花半年錄取軟體工程師

Python vs R語言:哪個比較適合人工智慧/機器學習?.

台灣本土開發AI 發行首張音樂專輯<<武漢肺炎>>

六個月從工地工人轉職 Java 軟體工程師,全因半年做了「對的決定」

發表於 科技與人工智慧新知 | 已標籤 , , , , , , , , , | 發表迴響

尷尬了!人工智慧臉部辨識竟無法正確分辨有色人種!(上)

 

尷尬了!人工智慧臉部辨識竟無法正確分辨有色人種!(上)

尷尬了!人工智慧臉部辨識竟無法正確分辨有色人種!(上)

 

 

人工智慧也能擔任編輯新聞一職了….嗎?一起來看看它到底能不能順利取代人類編輯!

 

微軟用人工智慧編輯新聞!全球近百名員工飯碗不保?

日前微軟公司宣布:要讓 AI 人工智慧取代旗下近百位「真人」新聞記者與編輯,來為微軟新聞、MSN.com 等管道,挑選、編輯新聞。根據 Business Insider 報導,美國有約 59 人遭裁撤;衛報也則提到英國也有約 27 人遭裁,還有其他國家地區的辦公室,也有許多員工面臨飯碗不保的窘境。

沒想到這個 AI 人工智慧才上線一個月就出包,還牽扯到近期非常敏感的種族議題,引發人們對人工智慧的編輯新聞能力、整體臉部辨識科技的疑慮。

 

▲ 普林斯敦大學的研究團隊結合人工智慧新聞編輯混淆了英國兩位有色人種歌手:Leigh-Anne Pinnock(左)和 Jade Thirlwall(右)。

 

推薦閱讀:AI寫作能力強過人類,恐成為假新聞製造機?

人工智慧錯置新聞配圖 女歌手指名「請加油吧」

根據英國《衛報》指出,微軟旗下的 MSN 新聞網站,近日轉載了英國《獨立報》有關英國流行女團 Little Mix(混合甜心)的報導,內容是關於其中一位成員 Jade Thirlwall 過去在學校中遭受種族歧視的心路歷程。

雖然這是一篇單純的採訪報導,但經過微軟的 AI 人工智慧編輯轉載後,沒想到,新聞配圖竟然不是採訪的對象 Jade Thirlwall,而是同團的另一名團員 Leigh-Anne Pinnock 與另一名男性的合照!

▲ 被人工智慧錯置配圖的新聞主角 Jade Thirlwall 在 IG 上表達對 MSN 新聞的不滿

 

 

AI 人工智慧造成的烏龍,不意外地,引發新聞主角 Jade Thirlwall 的不滿。她在 Instagram 上標註 MSN 並抱怨說:「@MSN 如果你們要複製貼上別家正確的媒體文章時,應該要確認一下配圖是否為正確的有色人種團員」。她還補充說:「這讓我很生氣,你們竟然沒辦法從只有 4 人團體中,區分 2 個有色人種女性?請加油吧!」

目前尚不清楚讓微軟 AI 人工智慧犯下如此錯誤的原因,但微軟在新的聲明中表示:這不是「演算法偏見(註解如下)」的結果,而是自動化系統中的新功能測試。

PS:所謂的「演算法偏見(algorithmic bias)」是指在看似沒有惡意的程式設計中,卻帶有程式設計人員的偏見、或者採用的數據是有偏見的。

「演算法偏見」的結果,當然帶來了各種問題:如 Google 搜尋被曲解、合格的考生無法進入醫學院就學、聊天機器人在推特 (Twitter) 上散佈種族主義和性別歧視資訊等等。

 

精選延伸閱讀:

尷尬了!人工智慧臉部辨識竟無法正確分辨有色人種!(下)

AI人工智慧原來也會被愚弄?還好這公司阻止一切!(上)

馬賽克照片竟能被破解?人工智慧技術已經這麼進步了!?

線上職訓正夯 從零開始花半年錄取軟體工程師

Python vs R語言:哪個比較適合人工智慧/機器學習?.

台灣本土開發AI 發行首張音樂專輯<<武漢肺炎>>

六個月從工地工人轉職 Java 軟體工程師,全因半年做了「對的決定」

發表於 科技與人工智慧新知 | 已標籤 , , , , , , , , , , , | 發表迴響